[發(fā)明專利]病歷信息處理方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210355387.7
• 申請(qǐng)日: 2022-04-06
• 公開(kāi)（公告）號(hào): CN114758742A
• 公開(kāi)（公告）日: 2022-07-15
• 發(fā)明（設(shè)計(jì)）人: 胡意儀;阮曉雯;陳遠(yuǎn)旭
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G16H10/60
• 分類號(hào): G16H10/60;G16H50/20;G06F16/35;G06F40/44
• 代理公司: 深圳市聯(lián)鼎知識(shí)產(chǎn)權(quán)代理有限公司 44232
• 代理人: 孫強(qiáng)

1.一種病歷信息處理方法，其特征在于，所述方法包括：

獲取目標(biāo)病歷信息；

提取所述目標(biāo)病歷信息中的目標(biāo)癥狀特征；

確定所述目標(biāo)癥狀特征與每個(gè)預(yù)設(shè)參照人群具有的預(yù)設(shè)癥狀特征之間的相似度，所述預(yù)設(shè)參照人群為具有同類疾病類型的人群；

基于每個(gè)所述相似度以及第一預(yù)設(shè)相似度條件，在所有所述預(yù)設(shè)參照人群中搜索與所述目標(biāo)癥狀特征匹配的目標(biāo)參照人群；

根據(jù)所述目標(biāo)參照人群對(duì)應(yīng)的疾病類型，確定診斷結(jié)果。

2.如權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

獲取每種所述疾病類型對(duì)應(yīng)的每種診斷類型的癥狀信息，所述診斷類型包括問(wèn)診、望診、聞診以及切診，所述疾病類型包括疾病證型；

分別根據(jù)每種所述疾病類型對(duì)應(yīng)的每種所述診斷類型的癥狀信息，構(gòu)建每種所述疾病類型對(duì)應(yīng)的每種所述診斷類型的癥狀特征集合；

分別對(duì)每種所述疾病類型對(duì)應(yīng)的每種所述診斷類型的癥狀特征集合進(jìn)行組合，得到每種所述疾病類型對(duì)應(yīng)的參照體集合，所述參照體集合包括與所述疾病類型對(duì)應(yīng)的所述預(yù)設(shè)癥狀特征。

3.如權(quán)利要求2所述的方法，其特征在于，所述獲取每種所述疾病類型對(duì)應(yīng)的每種診斷類型的癥狀信息的步驟包括：

針對(duì)每種所述疾病類型，在歷史診斷數(shù)據(jù)中搜索每種所述診斷類型的預(yù)設(shè)癥狀特征匹配的歷史病歷數(shù)據(jù)；

針對(duì)每種所述疾病類型，從所述每種診斷類型的預(yù)設(shè)癥狀特征匹配的歷史病歷數(shù)據(jù)中，提取每種所述診斷類型對(duì)應(yīng)的原始信息，所述原始信息包括與所述問(wèn)診對(duì)應(yīng)的病歷段落、與所述望診對(duì)應(yīng)的圖像、與所述聞診對(duì)應(yīng)的音頻以及與所述切診對(duì)應(yīng)的脈沖信號(hào)；

在每種疾病類型對(duì)應(yīng)的每種所述診斷類型的所述原始信息中，選取每種所述疾病類型對(duì)應(yīng)的每種診斷類型的癥狀信息。

4.如權(quán)利要求3所述的方法，其特征在于，所述在每種疾病類型對(duì)應(yīng)的每種所述診斷類型的所述原始信息中，選取每種所述疾病類型對(duì)應(yīng)的每種診斷類型的癥狀信息的步驟包括：

采用詞頻逆文件頻率TFIDF算法分別將疾病類型對(duì)應(yīng)的每種所述診斷類型的原始信息轉(zhuǎn)換為第一向量；

采用詞頻逆文件頻率TFIDF算法分別將每個(gè)所述預(yù)設(shè)癥狀特征轉(zhuǎn)換為第二向量；

采用最佳匹配BM25算法對(duì)所述第一向量以及所述第二向量的相似度進(jìn)行排序，得到排序信息；

針對(duì)每種疾病類型的每種診斷類型，基于所述排序信息選取相似度最高的預(yù)設(shè)數(shù)量個(gè)所述原始信息作為所述癥狀信息。

5.如權(quán)利要求2所述的方法，其特征在于，所述分別對(duì)每種所述疾病類型對(duì)應(yīng)的所有診斷類型的癥狀特征集合進(jìn)行組合，得到每種疾病類型對(duì)應(yīng)的參照體集合的步驟包括：

分別針對(duì)每種所述疾病類型對(duì)應(yīng)的所有癥狀特征集合計(jì)算笛卡爾積組合，得到每個(gè)所述疾病類型對(duì)應(yīng)的典型癥狀組合；

根據(jù)每種疾病類型的歷史病歷數(shù)據(jù)與所述典型癥狀組合的相似度，在每種所述疾病類型的所述典型癥狀組合中篩選所述相似度符合第二預(yù)設(shè)相似度條件的目標(biāo)癥狀組合；

將每種所述疾病類型對(duì)應(yīng)的所述目標(biāo)癥狀組合，確定為每種所述疾病類型對(duì)應(yīng)的所述參照體集合。

6.如權(quán)利要求2所述的方法，其特征在于，所述分別對(duì)每種所述疾病類型對(duì)應(yīng)的每種所述診斷類型的癥狀特征集合進(jìn)行組合，得到每種所述疾病類型對(duì)應(yīng)的參照體集合的步驟之后，還包括：

將所有所述疾病類型對(duì)應(yīng)的所述參照體集合輸入至預(yù)訓(xùn)練模型，所述預(yù)訓(xùn)練模型包括兩個(gè)不同的Dropout Mask，所述預(yù)訓(xùn)練模型還包括預(yù)設(shè)損失函數(shù)，所述預(yù)設(shè)損失函數(shù)用于使得同種所述疾病類型的上下文向量表示的語(yǔ)義距離變近，并使得不同種疾病類型的上下文向量表示的語(yǔ)義距離變遠(yuǎn)；

在所述預(yù)訓(xùn)練模型的損失函數(shù)收斂時(shí)，根據(jù)所述預(yù)訓(xùn)練模型的輸出數(shù)據(jù)，確定每種所述疾病類型對(duì)應(yīng)的參照體集合的第三向量；

所述確定所述目標(biāo)癥狀特征與每個(gè)預(yù)設(shè)參照人群具有的預(yù)設(shè)癥狀特征之間的相似度的步驟，包括：

將所述目標(biāo)癥狀特征轉(zhuǎn)換為第四向量；

根據(jù)所述第四向量與每個(gè)所述第三向量的相似度，確定每種所述目標(biāo)癥狀特征與每個(gè)預(yù)設(shè)參照人群具有的預(yù)設(shè)癥狀特征之間的相似度。